Aula 3 - Preparando seus Dados

Escola de Métodos em Ciências Sociais

Frederico Bertholini

tidyverse

Manifesto tidyverse

O tidyverse, também chamado por muitos de hadleyverse, é um conjunto de pacotes que, por compartilharem esses princípios do manifesto tidy, podem ser utilizados naturalmente em conjunto. Pode-se dizer que existe o R antes do tidyverse e o R depois do tidyverse.

Os princípios fundamentais do tidyverse são:

  • Reutilizar estruturas de dados existentes.

  • Organizar funções simples usando o pipe.

  • Aderir à programação funcional.

  • Projetado para ser usado por seres humanos.

Manifesto tidy

Usando o pipe - O operador %>% ou |>

O operador %>% (pipe), depois |> foi uma das grandes revoluções recentes do R, tornando a leitura de códigos mais lógica, fácil e compreensível.

library(tidyverse)
library(magrittr)

Ceci n’est pas une pipe

Ideia

A ideia é bem simples: usar o valor resultante da expressão do lado esquerdo como primeiro argumento da função do lado direito.

  • As duas linhas abaixo são equivalentes.
f(x, y)
x %>% f(y)

E se aumentarmos o código?

Vamos calcular a raiz quadrada da soma dos valores de 1 a 4.

Primeiro, sem o pipe.

sqrt(sum(x))
[1] 3.162278

Agora com o pipe.

x %>% 
  sum %>% 
  sqrt
[1] 3.162278

E se realmente tivermos muitas funções aninhadas?

A utilização do pipe transforma um código confuso e difícil de ser lido em algo simples e intuitivo.

Receita de bolo - sem pipe

Tente entender o que é preciso fazer.

esfrie(
  asse(
    coloque(
      bata(
        acrescente(
          recipiente(rep("farinha", 2), "água", 
                     "fermento", "leite", "óleo"), 
          "farinha", até = "macio"), 
        duração = "3min"), 
      lugar = "forma", tipo = "grande", 
      untada = TRUE), duração = "50min"), 
  "geladeira", "20min")

Receita de bolo - com pipe

Desistiu? Agora veja como fica escrevendo com o %>%:

recipiente(rep("farinha", 2), "água", "fermento", "leite", "óleo") %>%
  acrescente("farinha", até = "macio") %>%
  bata(duração = "3min") %>%
  coloque(lugar = "forma", tipo = "grande", untada = TRUE) %>%
  asse(duração = "50min") %>%
  esfrie("geladeira", "20min")

Importação no tidyverse

Importação com readr, readxl, haven e DBI

No tidyverse, geralmente

  • Funções read_<formato> servem para ler um arquivo no formato <formato>
  • Funções write_<formato> servem para escrever num arquivo com o formato <formato>

Arquivos de texto

  • csv, tsv, txt, …

  • Para esses aqui, usar o pacote readr

  • Você também pode experimentar o data.table::fread

Lembram nossa base baserm?

Olha como ficou mais fácil agora:

library(readr)
baserm <- read_delim("dados/baserm.txt", 
    delim = "\t", escape_double = FALSE, 
    locale = locale(encoding = "WINDOWS-1252"), 
    trim_ws = TRUE)
baserm
# A tibble: 27 × 168
   sigla cod.ibge estado anoeleitoral1990 anoeleitoral1991 anoeleitoral1992
   <dbl> <chr>     <dbl> <chr>                       <dbl>            <dbl>
 1     1 AC           12 Acre                            1                0
 2     2 AL           27 Alagoas                         1                0
 3     3 AM           13 Amazonas                        1                0
 4     4 AP           16 Amapá                           1                0
 5     5 BA           29 Bahia                           1                0
 6     6 CE           23 Ceará                           1                0
 7     7 DF           53 Distrito Federal                1                0
 8     8 ES           32 Espírito Santo                  1                0
 9     9 GO           52 Goiás                           1                0
10    10 MA           21 Maranhão                        1                0
# ℹ 17 more rows
# ℹ 162 more variables: anoeleitoral1993 <dbl>, anoeleitoral1994 <dbl>,
#   anoeleitoral1995 <dbl>, anoeleitoral1996 <dbl>, anoeleitoral1997 <dbl>,
#   anoeleitoral1998 <dbl>, anoeleitoral1999 <dbl>, anoeleitoral2000 <dbl>,
#   anoeleitoral2001 <dbl>, anoeleitoral2002 <dbl>, anoeleitoral2003 <dbl>,
#   anoeleitoral2004 <dbl>, anoeleitoral2005 <dbl>, anoeleitoral2006 <dbl>,
#   anoeleitoral2007 <dbl>, anoeleitoral2008 <dbl>, anoeleitoral2009 <dbl>, …

Arquivos binários

  • .RData, .rds, .feather, .fst

  • .dta (Stata), .sas7bdat (SAS), .sav (SPSS)

  • Ler com readr, haven, feather, fst.

Bancos de dados

  • MySQL, SQL Server, PostgreSQL, SQLite, …

  • Spark, MongoDB, Hive, …

  • Utilizar pacotes DBI e odbc

Pacotes dplyr e tidyr

Conjunto de dados

Vamos trabalhar com a base decisoes, que contém decisões do Tribunal de Justiça de São Paulo

decisoes <- read_rds("dados/decisoes.rds")
glimpse(decisoes)
Rows: 11,731
Columns: 9
$ `ID Decisão`     <chr> "11094999", "11093733", "11093677", "11093270", "1109…
$ n_processo       <chr> "0057003-20.2017.8.26.0000", "0052762-03.2017.8.26.00…
$ `Classe/Assunto` <chr> "Habeas Corpus / Homicídio Simples", "Habeas Corpus /…
$ Município        <chr> "Cosmópolis", "São Paulo", "Ribeirão Preto", "Araçatu…
$ Câmara           <chr> "3ª Câmara de Direito Criminal", "3ª Câmara de Direit…
$ `Data decisão`   <chr> "19/12/2017", "19/12/2017", "19/12/2017", "14/12/2017…
$ `Data registro`  <chr> "19/12/2017", "19/12/2017", "19/12/2017", "19/12/2017…
$ Juiz             <chr> "Luiz Antonio Cardoso", "Luiz Antonio Cardoso", "Luiz…
$ `txt decisão`    <chr> NA, NA, NA, "Execução Penal –  Comutação de Penas –  …

Tidy data e janitor

library(janitor)
decisoes <- read_rds("dados/decisoes.rds") %>%
  janitor::clean_names() # com dois pontos eu não preciso usar library
glimpse(decisoes)
Rows: 11,731
Columns: 9
$ id_decisao     <chr> "11094999", "11093733", "11093677", "11093270", "110933…
$ n_processo     <chr> "0057003-20.2017.8.26.0000", "0052762-03.2017.8.26.0000…
$ classe_assunto <chr> "Habeas Corpus / Homicídio Simples", "Habeas Corpus / R…
$ municipio      <chr> "Cosmópolis", "São Paulo", "Ribeirão Preto", "Araçatuba…
$ camara         <chr> "3ª Câmara de Direito Criminal", "3ª Câmara de Direito …
$ data_decisao   <chr> "19/12/2017", "19/12/2017", "19/12/2017", "14/12/2017",…
$ data_registro  <chr> "19/12/2017", "19/12/2017", "19/12/2017", "19/12/2017",…
$ juiz           <chr> "Luiz Antonio Cardoso", "Luiz Antonio Cardoso", "Luiz A…
$ txt_decisao    <chr> NA, NA, NA, "Execução Penal –  Comutação de Penas –  De…

Características do dplyr

  • A utilização é facilitada com o emprego do operador %>%

  • No primeiro argumento colocamos o data.frame ou o tibble, e nos outros argumentos colocamos o que queremos fazer.

As cinco funções principais do dplyr

  • select: selecionar colunas

  • filter: filtrar linhas

  • mutate: criar colunas

  • summarise: sumarizar colunas

  • arrange: ordenar linhas

select

select

  • Utilizar starts_with(x), contains(x), matches(x), one_of(x), etc.
  • Possível colocar nomes, índices, e intervalos de variáveis com :.

select em ação 1

decisoes %>% 
  select(id_decisao, n_processo, municipio, juiz)
# A tibble: 11,731 × 4
   id_decisao n_processo                municipio           juiz                
   <chr>      <chr>                     <chr>               <chr>               
 1 11094999   0057003-20.2017.8.26.0000 Cosmópolis          Luiz Antonio Cardoso
 2 11093733   0052762-03.2017.8.26.0000 São Paulo           Luiz Antonio Cardoso
 3 11093677   0055169-79.2017.8.26.0000 Ribeirão Preto      Luiz Antonio Cardoso
 4 11093270   9000580-82.2017.8.26.0032 Araçatuba           Grassi Neto         
 5 11093374   0052938-79.2017.8.26.0000 São Paulo           Grassi Neto         
 6 11093320   9000723-79.2017.8.26.0482 Presidente Prudente Grassi Neto         
 7 11091506   0003276-86.2015.8.26.0075 Bertioga            Grassi Neto         
 8 11093326   9000298-11.2017.8.26.0625 Taubaté             Grassi Neto         
 9 11092475   0004653-39.2015.8.26.0028 Aparecida           Grassi Neto         
10 11093773   2221930-66.2017.8.26.0000 Jandira             Luiz Antonio Cardoso
# ℹ 11,721 more rows

select em ação 2

decisoes %>% 
  select(classe_assunto:id_decisao, juiz)
# A tibble: 11,731 × 4
   classe_assunto                                    n_processo id_decisao juiz 
   <chr>                                             <chr>      <chr>      <chr>
 1 Habeas Corpus / Homicídio Simples                 0057003-2… 11094999   Luiz…
 2 Habeas Corpus / Roubo                             0052762-0… 11093733   Luiz…
 3 Habeas Corpus / DIREITO PENAL                     0055169-7… 11093677   Luiz…
 4 Agravo de Execução Penal / Pena Privativa de Lib… 9000580-8… 11093270   Gras…
 5 Mandado de Segurança / Crimes do Sistema Naciona… 0052938-7… 11093374   Gras…
 6 Agravo de Execução Penal / Pena Privativa de Lib… 9000723-7… 11093320   Gras…
 7 Apelação / Tráfico de Drogas e Condutas Afins     0003276-8… 11091506   Gras…
 8 Agravo de Execução Penal / Livramento Condicional 9000298-1… 11093326   Gras…
 9 Apelação / Tráfico de Drogas e Condutas Afins     0004653-3… 11092475   Gras…
10 Habeas Corpus / Furto Qualificado                 2221930-6… 11093773   Luiz…
# ℹ 11,721 more rows

select em ação 3

decisoes %>% 
  select(id_decisao, starts_with('data_'))
# A tibble: 11,731 × 3
   id_decisao data_decisao data_registro
   <chr>      <chr>        <chr>        
 1 11094999   19/12/2017   19/12/2017   
 2 11093733   19/12/2017   19/12/2017   
 3 11093677   19/12/2017   19/12/2017   
 4 11093270   14/12/2017   19/12/2017   
 5 11093374   14/12/2017   19/12/2017   
 6 11093320   14/12/2017   19/12/2017   
 7 11091506   14/12/2017   19/12/2017   
 8 11093326   14/12/2017   19/12/2017   
 9 11092475   14/12/2017   19/12/2017   
10 11093773   19/12/2017   19/12/2017   
# ℹ 11,721 more rows

Operações com select 1

  • selecione as colunas que acabam com “cisao”.
decisoes %>% 
  select(ends_with("cisao"))
# A tibble: 11,731 × 3
   id_decisao data_decisao txt_decisao                                          
   <chr>      <chr>        <chr>                                                
 1 11094999   19/12/2017    <NA>                                                
 2 11093733   19/12/2017    <NA>                                                
 3 11093677   19/12/2017    <NA>                                                
 4 11093270   14/12/2017   "Execução Penal –  Comutação de Penas –  Decreto n. …
 5 11093374   14/12/2017   "Mandado de segurança – Impetração por agente despro…
 6 11093320   14/12/2017   "Execução Penal – Apuração de falta grave em procedi…
 7 11091506   14/12/2017   "Tráfico de entorpecentes – Agente que traz consigo …
 8 11093326   14/12/2017   "Execução Penal – Pedido de livramento condicional d…
 9 11092475   14/12/2017   "Tráfico de entorpecentes –  Agente que tem em depós…
10 11093773   19/12/2017    <NA>                                                
# ℹ 11,721 more rows

Operações com select 2

  • tire as colunas de texto = ‘txt_decisao’ e classe/assunto = ‘classe_assunto’.
    • Dica: veja os exemplos de ?select em Drop variables ...
decisoes %>% 
  select(-classe_assunto, -txt_decisao)
# A tibble: 11,731 × 7
   id_decisao n_processo       municipio camara data_decisao data_registro juiz 
   <chr>      <chr>            <chr>     <chr>  <chr>        <chr>         <chr>
 1 11094999   0057003-20.2017… Cosmópol… 3ª Câ… 19/12/2017   19/12/2017    Luiz…
 2 11093733   0052762-03.2017… São Paulo 3ª Câ… 19/12/2017   19/12/2017    Luiz…
 3 11093677   0055169-79.2017… Ribeirão… 3ª Câ… 19/12/2017   19/12/2017    Luiz…
 4 11093270   9000580-82.2017… Araçatuba 8ª Câ… 14/12/2017   19/12/2017    Gras…
 5 11093374   0052938-79.2017… São Paulo 8ª Câ… 14/12/2017   19/12/2017    Gras…
 6 11093320   9000723-79.2017… Presiden… 8ª Câ… 14/12/2017   19/12/2017    Gras…
 7 11091506   0003276-86.2015… Bertioga  8ª Câ… 14/12/2017   19/12/2017    Gras…
 8 11093326   9000298-11.2017… Taubaté   8ª Câ… 14/12/2017   19/12/2017    Gras…
 9 11092475   0004653-39.2015… Aparecida 8ª Câ… 14/12/2017   19/12/2017    Gras…
10 11093773   2221930-66.2017… Jandira   3ª Câ… 19/12/2017   19/12/2017    Luiz…
# ℹ 11,721 more rows

filter

filter

  • Use , ou & para “e” e | para “ou”.
  • Condições separadas por vírgulas é o mesmo que separar por &.

filter em ação

decisoes %>% 
  select(n_processo, id_decisao, municipio, juiz) %>% 
  filter(municipio == 'São Paulo')
# A tibble: 2,446 × 4
   n_processo                id_decisao municipio juiz                
   <chr>                     <chr>      <chr>     <chr>               
 1 0052762-03.2017.8.26.0000 11093733   São Paulo Luiz Antonio Cardoso
 2 0052938-79.2017.8.26.0000 11093374   São Paulo Grassi Neto         
 3 2214049-38.2017.8.26.0000 11093604   São Paulo Luiz Antonio Cardoso
 4 2227499-48.2017.8.26.0000 11093642   São Paulo Luiz Antonio Cardoso
 5 9002384-31.2017.8.26.0050 11093376   São Paulo Grassi Neto         
 6 0021158-39.2015.8.26.0050 11091508   São Paulo Grassi Neto         
 7 7005375-26.2015.8.26.0198 11091668   São Paulo Grassi Neto         
 8 9002039-65.2017.8.26.0050 11094451   São Paulo Grassi Neto         
 9 2203993-43.2017.8.26.0000 11094449   São Paulo Grassi Neto         
10 0099423-21.2016.8.26.0050 11091474   São Paulo Grassi Neto         
# ℹ 2,436 more rows

Dica: usar %in%

library(lubridate) # para trabalhar com as datas
#`day(dmy(data_decisao))` pega o dia da decisão.

Usando dois filtros

decisoes %>% 
  select(id_decisao, municipio, data_decisao, juiz) %>% 
  # municipio igual a campinas ou jaú, OU dia da decisão maior ou igual a 25
  filter(municipio %in% c('Campinas', 'Jaú') & day(dmy(data_decisao)) >= 25)
# A tibble: 71 × 4
   id_decisao municipio data_decisao juiz                  
   <chr>      <chr>     <chr>        <chr>                 
 1 11093018   Jaú       28/11/2017   Ivan Sartori          
 2 11082822   Campinas  29/11/2017   João Morenghi         
 3 11082845   Campinas  29/11/2017   João Morenghi         
 4 11052266   Campinas  30/11/2017   Augusto de Siqueira   
 5 11052894   Campinas  30/11/2017   Poças Leitão          
 6 11052213   Campinas  30/11/2017   Poças Leitão          
 7 11049986   Campinas  29/11/2017   Xavier de Souza       
 8 11049760   Campinas  30/11/2017   Encinas Manfré        
 9 11044116   Campinas  30/11/2017   Encinas Manfré        
10 11043650   Campinas  30/11/2017   Fernando Torres Garcia
# ℹ 61 more rows

Mais ação com filter

decisoes %>% 
  select(juiz) %>% 
  # filtra juízes que têm `Z` ou `z` no nome
  filter(str_detect(juiz, regex("z", ignore_case = TRUE))) %>% 
  # conta e ordena os juizes em ordem decrescente
  count(juiz, sort = TRUE) %>%
  head(5)
# A tibble: 5 × 2
  juiz                          n
  <chr>                     <int>
1 Gilberto Ferreira da Cruz   237
2 Diniz Fernando              198
3 Sérgio Mazina Martins       173
4 Luiz Antonio Cardoso        163
5 Rachid Vaz de Almeida       150

Obs

A função str_detect() retorna TRUE se um elemento do vetor de textos é compatível com uma expressão regular. Estudaremos o pacote stringr e as funções str_* em outra aula.

Exercício filter 1

  • filtre apenas casos em que id_decisao não é NA
decisoes %>% 
  filter(!is.na(id_decisao))
# A tibble: 11,666 × 9
   id_decisao n_processo            classe_assunto municipio camara data_decisao
   <chr>      <chr>                 <chr>          <chr>     <chr>  <chr>       
 1 11094999   0057003-20.2017.8.26… Habeas Corpus… Cosmópol… 3ª Câ… 19/12/2017  
 2 11093733   0052762-03.2017.8.26… Habeas Corpus… São Paulo 3ª Câ… 19/12/2017  
 3 11093677   0055169-79.2017.8.26… Habeas Corpus… Ribeirão… 3ª Câ… 19/12/2017  
 4 11093270   9000580-82.2017.8.26… Agravo de Exe… Araçatuba 8ª Câ… 14/12/2017  
 5 11093374   0052938-79.2017.8.26… Mandado de Se… São Paulo 8ª Câ… 14/12/2017  
 6 11093320   9000723-79.2017.8.26… Agravo de Exe… Presiden… 8ª Câ… 14/12/2017  
 7 11091506   0003276-86.2015.8.26… Apelação / Tr… Bertioga  8ª Câ… 14/12/2017  
 8 11093326   9000298-11.2017.8.26… Agravo de Exe… Taubaté   8ª Câ… 14/12/2017  
 9 11092475   0004653-39.2015.8.26… Apelação / Tr… Aparecida 8ª Câ… 14/12/2017  
10 11093773   2221930-66.2017.8.26… Habeas Corpus… Jandira   3ª Câ… 19/12/2017  
# ℹ 11,656 more rows
# ℹ 3 more variables: data_registro <chr>, juiz <chr>, txt_decisao <chr>

Exercício filter 2

  • filtre todas as decisões de 2018.

    – Dica: função lubridate::year()

decisoes %>% 
  filter(year(dmy(data_decisao)) == 2018)
# A tibble: 314 × 9
   id_decisao n_processo            classe_assunto municipio camara data_decisao
   <chr>      <chr>                 <chr>          <chr>     <chr>  <chr>       
 1 11107242   0009617-63.2016.8.26… Apelação / Ro… São Paulo 2ª Câ… 15/01/2018  
 2 11107425   2227593-93.2017.8.26… Habeas Corpus… Iepê      2ª Câ… 15/01/2018  
 3 11107492   0076977-24.2016.8.26… Embargos de D… São Paulo 2ª Câ… 15/01/2018  
 4 11107361   0012191-36.2017.8.26… Agravo de Exe… Campinas  2ª Câ… 15/01/2018  
 5 11107383   2218460-27.2017.8.26… Habeas Corpus… Sorocaba  2ª Câ… 15/01/2018  
 6 11107331   0006928-63.2017.8.26… Agravo de Exe… Sorocaba  2ª Câ… 15/01/2018  
 7 11107651   0000297-54.2017.8.26… Apelação / Tr… Junqueir… 2ª Câ… 15/01/2018  
 8 11107485   2225548-19.2017.8.26… Habeas Corpus… Nazaré P… 2ª Câ… 15/01/2018  
 9 11107335   0006934-70.2017.8.26… Agravo de Exe… Sorocaba  2ª Câ… 15/01/2018  
10 11107340   0006682-67.2017.8.26… Agravo de Exe… Sorocaba  2ª Câ… 15/01/2018  
# ℹ 304 more rows
# ℹ 3 more variables: data_registro <chr>, juiz <chr>, txt_decisao <chr>

mutate

mutate

  • Aceita várias novas colunas iterativamente.

  • Novas variáveis devem ter o mesmo length que o nrow do bd original ou 1.

mutate em ação

decisoes %>% 
  select(n_processo, data_decisao, data_registro) %>% 
  mutate(tempo = dmy(data_registro) - dmy(data_decisao))
# A tibble: 11,731 × 4
   n_processo                data_decisao data_registro tempo 
   <chr>                     <chr>        <chr>         <drtn>
 1 0057003-20.2017.8.26.0000 19/12/2017   19/12/2017    0 days
 2 0052762-03.2017.8.26.0000 19/12/2017   19/12/2017    0 days
 3 0055169-79.2017.8.26.0000 19/12/2017   19/12/2017    0 days
 4 9000580-82.2017.8.26.0032 14/12/2017   19/12/2017    5 days
 5 0052938-79.2017.8.26.0000 14/12/2017   19/12/2017    5 days
 6 9000723-79.2017.8.26.0482 14/12/2017   19/12/2017    5 days
 7 0003276-86.2015.8.26.0075 14/12/2017   19/12/2017    5 days
 8 9000298-11.2017.8.26.0625 14/12/2017   19/12/2017    5 days
 9 0004653-39.2015.8.26.0028 14/12/2017   19/12/2017    5 days
10 2221930-66.2017.8.26.0000 19/12/2017   19/12/2017    0 days
# ℹ 11,721 more rows

mutate em ação

  • Crie uma coluna binária drogas que vale TRUE se no texto da decisão algo é falado de drogas e FALSE caso contrário. – Dica: str_detect

Obs.: Considere tanto a palavra ‘droga’ como seus sinônimos, ou algum exemplo de droga e retire os casos em que txt_decisao é vazio

decisoes %>% 
  filter(!is.na(txt_decisao)) %>% # filtrando quem não é NA
  mutate(txt_decisao = tolower(txt_decisao),
         droga = str_detect(txt_decisao,
    "droga|entorpecente|psicotr[óo]pico|maconha|haxixe|coca[íi]na")
    ) %>%
  dplyr::select(n_processo,droga) 
# A tibble: 6,933 × 2
   n_processo                droga
   <chr>                     <lgl>
 1 9000580-82.2017.8.26.0032 FALSE
 2 0052938-79.2017.8.26.0000 FALSE
 3 9000723-79.2017.8.26.0482 FALSE
 4 0003276-86.2015.8.26.0075 TRUE 
 5 9000298-11.2017.8.26.0625 TRUE 
 6 0004653-39.2015.8.26.0028 TRUE 
 7 9000788-34.2017.8.26.0269 FALSE
 8 9000673-53.2017.8.26.0482 FALSE
 9 7005620-87.2017.8.26.0482 FALSE
10 7001988-32.2017.8.26.0198 FALSE
# ℹ 6,923 more rows

summarise

summarise

  • Retorna um vetor de tamanho 1 a partir de uma operação com as variáveis (aplicação de uma função).
  • Geralmente é utilizado em conjunto com group_by().
  • Algumas funções importantes: n(), n_distinct().

summarise Em ação

decisoes %>% 
  select(n_processo, municipio, data_decisao) %>%
  #        pega ano da decisão
  mutate(ano_julgamento = year(dmy(data_decisao)),
         # pega o ano do processo 0057003-20.2017.8.26.0000" -> "2017"
         ano_proc = str_sub(n_processo, 12, 15),
         # transforma o ano em inteiro
         ano_proc = as.numeric(ano_proc),
         # calcula o tempo em anos
         tempo_anos = ano_julgamento - ano_proc) %>% 
  group_by(municipio) %>% 
  summarise(n = n(),
            media_anos = mean(tempo_anos,na.rm=T),
            min_anos = min(tempo_anos,na.rm=T),
            max_anos = max(tempo_anos,na.rm=T))

Resultado

# A tibble: 315 × 5
   municipio               n media_anos min_anos max_anos
   <chr>               <int>      <dbl>    <dbl>    <dbl>
 1 Adamantina             17      0.765        0        5
 2 Aguaí                  19      1.16         0        2
 3 Agudos                  8      3.25         0        6
 4 Altinópolis             7      0.857        0        2
 5 Americana              56      1.41         0        9
 6 Amparo                  9      2.11         0        7
 7 Américo Brasiliense     9      1.56         0        3
 8 Andradina              41      0.707        0        5
 9 Angatuba                4      0.5          0        2
10 Aparecida              20      1.9          0        5
# ℹ 305 more rows

usando count()

A função count(), simplifica um group_by %>% summarise %>% ungroup:

decisoes %>% 
  count(juiz, sort = TRUE) %>% 
  mutate(prop = n / sum(n), 
         prop = scales::percent(prop))
# A tibble: 100 × 3
   juiz                          n prop   
   <chr>                     <int> <chr>  
 1 Gilberto Ferreira da Cruz   237 2.0203%
 2 Francisco Orlando           226 1.9265%
 3 Diniz Fernando              198 1.6878%
 4 Walter da Silva             183 1.5600%
 5 De Paula Santos             182 1.5514%
 6 Machado de Andrade          182 1.5514%
 7 Newton Neves                180 1.5344%
 8 Leme Garcia                 179 1.5259%
 9 Grassi Neto                 177 1.5088%
10 Figueiredo Gonçalves        176 1.5003%
# ℹ 90 more rows

+ fácil ainda

mas sem formato %

decisoes %>% 
  count(juiz, sort = TRUE) %>% 
  mutate(prop = prop.table(n))
# A tibble: 100 × 3
   juiz                          n   prop
   <chr>                     <int>  <dbl>
 1 Gilberto Ferreira da Cruz   237 0.0202
 2 Francisco Orlando           226 0.0193
 3 Diniz Fernando              198 0.0169
 4 Walter da Silva             183 0.0156
 5 De Paula Santos             182 0.0155
 6 Machado de Andrade          182 0.0155
 7 Newton Neves                180 0.0153
 8 Leme Garcia                 179 0.0153
 9 Grassi Neto                 177 0.0151
10 Figueiredo Gonçalves        176 0.0150
# ℹ 90 more rows

arrange

arrange

  • Simplesmente ordena de acordo com as opções.

  • Utilizar desc() para ordem decrescente ou o sinal de menos (-).

Exercício arrange

  • Quem são os cinco relatores mais prolixos?

– Dica: use str_length()

– Lembre-se da função head()

Resolução

decisoes %>% 
  filter(!is.na(txt_decisao)) %>% 
  mutate(tamanho = str_length(txt_decisao)) %>% 
  group_by(juiz) %>% 
  summarise(n = n(), 
            tamanho_mediana = median(tamanho)) %>% 
  filter(n >= 10) %>% 
  arrange(desc(tamanho_mediana)) %>%
  head()
# A tibble: 6 × 3
  juiz                                n tamanho_mediana
  <chr>                           <int>           <dbl>
1 Airton Vieira                     154           3146.
2 Ely Amioka                         81           1847 
3 Grassi Neto                       141           1675 
4 Alcides Malossi Junior             95           1541 
5 Cesar Augusto Andrade de Castro    77           1341 
6 Juvenal Duarte                    101           1320

CURSO DE R